Maze Runner: análisis en tiempo real de la actividad neuronal del cerebro de rata

¿Qué superpotencia elegirías: vuelo, invisibilidad o telepatía? En cierto sentido, una encarnación viviente de este último siempre ha sido el personaje de los cómics de X-Men, el profesor Charles Xavier, quien apareció en 1963 de la pluma de Stan Lee. Pero en los cómics, y no se pueden encontrar superpoderes. ¿Qué hay de la realidad? ¿Se puede leer la mente de otro ser? Resulta que ahora es posible, pero no como te imaginas. Hoy nos familiarizaremos con el estudio, cuyo principal logro es leer la actividad electrónica de las neuronas cerebrales de la rata experimental, que atraviesa el laberinto, en tiempo real. ¿Cómo lograron los científicos meterse en la cabeza de la rata, qué lograron y cuáles son las perspectivas de su tecnología? El informe de los investigadores nos dará respuestas a estas y otras preguntas. Vamos

Base de estudio

Los científicos señalan que en este momento una de las tareas principales en el campo del estudio del cerebro, como una estructura compleja, es la mejora de los métodos y herramientas relacionadas para recopilar y analizar datos. Más precisamente, es importante descifrar la información oculta en los datos recopilados de la actividad espacio-temporal de los sistemas neuronales. En otras palabras, los científicos ven que algo sucedió (aumento en el gráfico), necesita obtener información que corresponda a este evento.

Según los científicos, lo más difícil es realizar tales observaciones, recolectando y analizando datos en tiempo real. Esto se hace a través de la NKI (interfaz de neurocomputadora), que tiene sensores de electrodos múltiples.

El formato más común para la investigación del cerebro usando NQI es un experimento cíclico (repitiendo las mismas condiciones con cada intento). En este caso, es posible estudiar bien ciertas funciones cognitivas, como la atención, la memoria y el aprendizaje.

La navegación espacial es el método más conocido y más efectivo para aprender las funciones cognitivas antes mencionadas. ¿Cómo se ve este cheque? Muy simple: un laberinto. Durante tales experimentos, la llamada codificación neural del espacio (o el "código espacial") se encontró en muchas partes del cerebro de la rata: el hipocampo, la corteza entorrinal, la corteza visual primaria (V1), la corteza retroesplenal y la corteza parietal. Estos "códigos" son ciertas señales que almacenan información sobre dónde está la rata en el laberinto, dónde se mueve y de dónde viene. Es esta información la que debe leerse en tiempo real, y no solo después de los experimentos, cuando la rata está en un estado de reposo o sueño (fase de sueño lento).



La técnica propuesta consta de dos pasos principales (Esquema A en la imagen de arriba): codificación y decodificación. En la etapa de codificación, se crea la densidad de probabilidad general del vector de signos de picos * (señal neural) y la posición espacial. La etapa de decoración es responsable de la reconstrucción de los datos en forma de posición espacial, que debe ser lo más cercana posible a la obtenida en la etapa anterior.

Spike * (Peak) : potencial de acción de las neuronas durante el registro extracelular de su actividad eléctrica.

Desde el punto de vista del hierro, los científicos señalan que el problema del análisis de datos en tiempo real se puede resolver utilizando un software multiproceso en un procesador central multinúcleo (en adelante, la CPU). La desventaja de dicho sistema es la cantidad de núcleos, lo que limita la escalabilidad de todo el sistema de la interfaz del neuroordenador. Los investigadores decidieron incrustar un procesador de gráficos (GPU) en una computadora de cuatro núcleos normal. El uso de GPU acelera enormemente el proceso de decodificación y expande la escalabilidad del sistema. Los sensores en sí también fueron cambiados, de tetrodes a sensores de silicio de alta densidad.

Resultados de la investigación

Durante las pruebas, se probaron todas las opciones del sistema: en base a la CPU, en base a la CPU + GP, utilizando tetrodes y sensores de silicio. La base de datos consistió en espigas del hipocampo, neocorteza y tálamo fijadas en el momento de la navegación espacial en el espacio bidimensional. Las opciones de la base de datos se muestran en la imagen de arriba ( C ).


Imagen No. 1

Como esperaban los científicos, un sistema que utiliza un procesador gráfico mostró resultados significativamente mejores en comparación con un sistema de CPU.

Entonces, en el caso de la base de datos No. 1, un sistema con una GPU mostró un umbral de compresión de datos (codificación de pico) de 0.5 a una velocidad de decodificación de 0.02 ms / pico. En las mismas condiciones, el sistema de la CPU mostró una velocidad de decodificación de 0.44 ms / pico (1V). También vale la pena señalar que la "amplificación" de la compresión de datos conduce a un aumento en la velocidad de decodificación, pero también a una disminución en la precisión de este proceso.

El ancho de banda central también juega un papel importante en el proceso de decodificación. Si este parámetro era pequeño, la relación de compresión afectaba ligeramente la precisión de decodificación.


Gráfico de precisión de datos decodificados en comparación con los reales.

Además de la excelente velocidad de decodificación de datos, los científicos también cuentan con un alto grado de precisión de decodificación.

Luego, los investigadores realizaron un experimento en el que se suponía que la rata se movía a lo largo del laberinto en forma de una figura ocho, y los tetrodes leían indicadores no solo de la sección CA1 del hipocampo, sino también de la corteza visual primaria V1.

La decoración se realizó en un formato mixto: por separado CA1, por separado V1 y CA1 + V1. El análisis de los datos de V1 mostró que las adherencias de esta área almacenan una parte impresionante de información sobre el desplazamiento espacial. Al combinar datos V1 con datos CA1, los científicos pudieron aumentar la precisión general de decodificación ( 1C ).

Los parámetros nucleares se optimizaron para cada parte del cerebro (CA1 y V1) por separado, según los datos de validación cruzada. En este caso, la precisión de decodificación fue alta. Y con compresión de datos cero, como se esperaba, la velocidad de decodificación fue muy baja.

El siguiente experimento se realizó en un laberinto, que es difícil de llamar, dado su aspecto: un simple anillo. La rata corrió en un círculo, y los tetrodes leyeron datos del núcleo anterior del tálamo. Esta área del cerebro es una de las más importantes en el proceso de formación de la memoria y en la orientación espacial.

Un punto importante: la mayoría de las neuronas del núcleo anterior del tálamo son neuronas de la dirección de la cabeza. Por lo tanto, en el proceso de análisis de datos, no solo se tuvo en cuenta la actividad de los lóbulos del cerebro correspondiente a la posición del cuerpo, sino también la posición de la cabeza, porque estos dos parámetros pueden diferir.

El análisis de la actividad de las neuronas del núcleo anterior del tálamo confirmó su relación no solo con la posición de la cabeza, sino también con la orientación espacial del sujeto durante las pruebas. Sin embargo, en el caso de la prueba con movimiento en círculo, se observó una disminución en la precisión de la decodificación de los datos de posición de la cabeza, que no está relacionada con la velocidad de la rata. Esto se debe a la dirección del movimiento. Más precisamente, en los cálculos se tuvieron en cuenta ambas opciones: en sentido horario y antihorario.

Esta prueba (correr en círculo) es importante, no la trayectoria del movimiento y la complejidad del laberinto (de hecho, no existe, solo un anillo). Un factor importante aquí es la velocidad de la rata. Durante la carrera, la actividad de las neuronas también se acelera, supervisando así el movimiento de la rata. Un sistema que utiliza un procesador gráfico fue capaz de decodificar picos de neuronas del hipocampo mucho más rápido (con menos intentos de entrenamiento) que un sistema convencional basado solo en CPU.


Imagen No. 2

Los tetrodes utilizados en los experimentos permitieron obtener datos suficientemente precisos, pero este no es el límite de lo que se desea. Por lo tanto, se decidió comprobar también los electrodos multicanal de silicio. La imagen 2A muestra un electrodo de silicio de 64 canales. Dos de estos sensores se colocaron en el hipocampo izquierdo y derecho.

También fue necesario verificar cuán escalable es el sistema. Para esto, los datos de los electrodos de silicio se "clonaron" hasta que el número de canales hipotéticos llegó a 2000. Luego, el sistema tuvo que decodificar estos datos durante el período de movimiento (funcionamiento) y reposo (fase de sueño lento). Los resultados se muestran en un gráfico 2D .

La optimización del procesador gráfico y el uso del acceso directo a la memoria permitieron alcanzar los siguientes indicadores: tiempo de decodificación durante el período de movimiento - 250 ms, tiempo de decodificación durante el período de descanso - 20 ms. En el segundo caso, la compresión de datos no se realizó en la etapa de codificación, pero en total participaron alrededor de 1200 canales.

El gráfico 2E muestra que el tiempo requerido para decodificar con un número fijo de canales aumenta enormemente si el sistema usa solo una CPU. La desaceleración del proceso de decodificación cuando se usa la GPU no es tan significativa y no ocurre tan bruscamente.

Una característica importante de este estudio es la lectura y el procesamiento de datos de actividad neuronal en tiempo real. Un sistema GP es ideal para esto, ya que puede decodificar una gran cantidad de datos en un período de tiempo muy corto, como lo mostraron las pruebas anteriores.

Para probar el sistema, el hipocampo se decodificó durante la fase de sueño lento (reproducción de 741 posibles eventos de la memoria).


Imagen No. 3

Al comparar la metodología de análisis de datos estándar después de las pruebas y la metodología en tiempo real, los científicos encontraron un aumento en la precisión de la reconstrucción (durante el sueño lento) de la trayectoria de la rata. Es decir, el sistema reconstruyó de manera significativamente más precisa la trayectoria a lo largo de la cual la rata se movió durante la prueba. En este caso, el sistema analizó la actividad de las neuronas después de la prueba, durante el período de descanso (fase de sueño lento).

Para un conocimiento más detallado de este estudio, le recomiendo que consulte el informe de los científicos y materiales adicionales .

Epílogo

Este estudio confirmó principalmente que es posible la lectura en tiempo real de la actividad neuronal. Cuando se trata de un sistema tan complejo como el sistema nervioso, cualquier retraso en el análisis de su actividad reduce en gran medida la precisión de los datos obtenidos. Por lo tanto, este estudio es de tanta importancia.

Usando su metodología, los científicos pudieron no solo construir una ruta de movimiento de la rata, basándose únicamente en la actividad cerebral, sino también reconstruir esta ruta utilizando la memoria del animal de prueba. Esto es realmente increíble, muy complicado y definitivamente prometedor.

Una mejora adicional del sistema nos permitirá analizar los datos con mayor precisión y velocidad, lo que nos permitirá comprender los principios del cerebro, la relación de las neuronas entre sí, sus reacciones a factores externos y comparar ciertos eventos que ocurren con el cuerpo, con la actividad de ciertas neuronas y no partes del cerebro en su conjunto.

El cerebro sigue siendo uno de los sistemas menos estudiados del mundo. Sin embargo, a través de los esfuerzos de los científicos, cuya imaginación al crear nuevos métodos para estudiarlo es realmente ilimitada, podemos entender más. Y cuanto más sepamos acerca de la función cerebral, mejor podremos influir en ella. En el buen sentido, por supuesto: diagnóstico temprano de enfermedades, tratamiento de enfermedades cerebrales avanzadas, etc. En este caso, el conocimiento no es solo fuerza, sino también salud.


Gracias por quedarte con nosotros. ¿Te gustan nuestros artículos? ¿Quieres ver más materiales interesantes? Apóyenos haciendo un pedido o recomendándolo a sus amigos, un descuento del 30% para los usuarios de Habr en un análogo único de servidores de nivel de entrada que inventamos para usted: toda la verdad sobre VPS (KVM) E5-2650 v4 (6 núcleos) 10GB DDR4 240GB SSD 1Gbps de $ 20 o cómo dividir el servidor? (las opciones están disponibles con RAID1 y RAID10, hasta 24 núcleos y hasta 40GB DDR4).

VPS (KVM) E5-2650 v4 (6 núcleos) 10GB DDR4 240GB SSD 1Gbps hasta el 1 de enero de forma gratuita si se paga por un período de seis meses, puede ordenar aquí .

Dell R730xd 2 veces más barato? Solo tenemos 2 x Intel Dodeca-Core Xeon E5-2650v4 128GB DDR4 6x480GB SSD 1Gbps 100 TV desde $ 249 en los Países Bajos y los EE. UU. Lea sobre Cómo construir un edificio de infraestructura. clase utilizando servidores Dell R730xd E5-2650 v4 que cuestan 9,000 euros por un centavo?